Bài báo khoa học
Ứng dụng thử nghiệm dự báo số ngày nắng nóng, nắng nóng gay
gắt theo mùa tại Việt Nam năm 2022 bằng phương pháp tương
quan Canon
Mai Văn Khiêm1*, Hoàng Phúc Lâm1, Nguyễn Văn Hưởng1, Hoàng Thị Mai1, Trần
Ngọc Vân1, Nguyễn Thanh Hoa1, Trịnh Thùy Nguyên1, Trần Quang Điệp1
1
Trung tâm dự báo Khí tượng thủy văn quốc gia, Tổng cục Khí tượng thủy văn;
;;
;;tranngocvan281285@g
mail.com;;;
*Tác giả liên hệ: ; Tel.: +84–986093573
Ban Biên tập nhận bài: 15/2/2022; Ngày phản biện xong: 25/3/2022; Ngày đăng bài:
25/4/2022
Tóm tắt: Bài báo trình bày một số kết quả thử nghiệm dự báo số ngày nắng nóng (SNNN),
nắng nóng gay gắt (NNGG) theo mùa 3 tháng tại Việt Nam năm 2022, sử dụng phương pháp
phân tích tương quan Canon (CCA), nhằm chuyển hóa thơng tin dự báo của các mơ hình khí
hậu tồn cầu về khu vực quan tâm. Trong nghiên cứu, nhóm tác giả sử dụng 3 nhân tố là:
nhiệt độ trung bình, nhiệt độ tối cao và áp cao cận nhiệt mực 500mb theo mùa 3 tháng, thời
điểm dự báo 01/2022, miền tính: 800E–1400W; 50S–450N, độ phân giải 1,0×1,00 chiết suất
từ các mơ hình khí hậu: NASAGEO_SS2S, CCSM_4, CFS2, GFDL_SPEAR, ECMWF.
Sau khi, xác định tương quan cao giữa các nhân tố với SNNN và NNGG gắt trên gần 200
điểm trạm, nhóm tác giả thực hiện thử nghiệm dự báo cho các mùa năm 2022. Kết quả cho
thấy vào mùa tháng 3–5, hầu hết các mơ hình đều mơ phỏng SNNN, NNGG có xu hướng
xuất hiện thấp hơn trung bình nhiều năm (TBNN), xác suất từ 60–75%. Trong khi các mùa
từ tháng 4–6, 5–7, 6–8 và 7–9 SNNN, NNGG cao hơn TBNN; riêng một số nơi ở miền Nam
Tây Nguyên và Đông Nam Bộ thấp hơn TBNN. Dự báo áp dụng thử nghiệm tại một số
thành phố: Hà Nội, Đà Nẵng và Bình Phước, kết quả được trình bày chi tiết trong phần 3.
Từ khóa: Dự báo; Số ngày nắng nóng; Nắng nóng gay gắt; Phương pháp tương quan Canon
(CCA); Phần mềm CPT.
1. Mở đầu
Xu thế nóng lên tồn cầu khiến cho nắng nóng trở thành một mối đe dọa lớn với nhiều
quốc gia trên thế giới, ảnh hưởng đến sức khỏe con người, an ninh lương thực, cháy rừng, tiêu
thụ năng lượng, giao thông, sản xuất nông nghiệp… Bởi vậy, dự báo mùa cho các đợt nắng
nóng, nắng nóng gay gắt là một nhu cầu thiết yếu, giúp giảm thiểu tác động tiêu cực của hiện
tượng này đối với xã hội, con người. Vấn đề này là một trong những mối quan tâm hàng đầu
trên thế giới về lĩnh vực biến đổi khí hậu, đã có rất nhiều nghiên cứu của nhiều quốc gia trên
thế giới về dự báo nắng nóng, nắng nóng gay gắt, trong đó phải kể đến nghiên cứu của nhóm
tác giả tại Trung Tâm Châu Âu. Trong nghiên cứu [1], các tác giả sử dụng bộ số liệu tái phân
tích ERA5, dữ liệu nhiệt độ trên ô lưới quan trắc và tổ hợp 25/51 thành phần dự báo trong Hệ
thống mơ hình ECMWF. Bằng phương pháp thống kê dựa trên xu thế tuyến tính để xác định
đợt nắng nóng tại Châu Âu với quy mô thời gian mùa, đánh giá kỹ năng dự báo của mơ hình
Tạp chí Khí tượng Thủy văn 2022, 736, 64-78; doi:10.36335/VNJHM.2020 (736).64-78
/>
Tạp chí Khí tượng Thủy văn 2022, 736, 64-78; doi:10.36335/VNJHM.2022(736).64-78
65
ECMWF và chứng minh được rằng, các dự báo về mùa nắng nóng từ khoảng đầu tháng 5 có
thể cung cấp các thơng tin hữu ích về tiềm năng và xu hướng nắng nóng của mùa hè. Gần đây
nhất, theo nghiên cứu của Wei Zhang và các cs [2] đã áp dụng phương pháp dự báo xác suất
cho nắng nóng tại Trung Quốc được xây dựng bằng cách sử dụng 4 mơ hình (ECMWF,
CMA, UKMO và NCEP) từ cơ sở dữ liệu cận mùa – mùa (S2S), sau đó tính trung bình đa mơ
hình (MME) theo mơ hình Bayes, từ những thử nghiệm với đợt nắng nóng trong quá khứ,
nghiên cứu đưa ra xác suất dự báo: ngày bắt đầu, ngày kết thúc của các đợt nắng nóng. Theo
nghiên cứu của Lauriane Battle (2018) [3] về các đợt nắng nóng quy mô mùa cho khu vực
Tây Phi nhằm đưa ra các dấu hiệu sớm của các điều kiện nắng nóng cực đoan, đồng thời kiểm
tra khả năng dự báo dài hạn và chất lượng dự báo dựa trên hệ thống mô hình khí hậu tồn cầu
CNRM – CM, các kết quả đạt được cho thấy khả năng dự báo về các sự kiện cực đoan đã xảy
ra trong năm 2016, tuy nhiên khi dự báo cho năm 2017 lại không đưa ra được tín hiệu rõ ràng
cho các đợt nắng nóng cực đoan. Nghiên cứu là bước đầu để đưa ra những cải tiến có thể
trong tương lai bắt nguồn từ việc sử dụng kết hợp đa mơ hình và hiệu chuẩn đầu ra mơ hình.
Hay đợt nắng nóng tàn khốc ở Nga năm 2010 cho thấy việc dự đoán được hay khơng các đợt
nắng nóng, sự kiện cực trị là vô cùng quan trọng, theo nghiên cứu của Katsafados (2014) và
các cs [4] nhằm mục đích kiểm tra khả năng dự báo các sự kiện khí quyển có thể tác động
theo mùa đến khu vực, kết quả cho thấy chỉ một số thành phần cho thấy tính năng cảnh báo
trước 3 tháng, cịn hầu hết các nhân tố khơng thể mơ tả sự lan truyền của hệ thống khí quyển,
bỏ lỡ các pha khí quyển, bởi vậy cũng đặt ra những hạn chế trong khả năng dự báo các sự kiện
cực đoan.
Tại Việt Nam, nắng nóng là hiện tượng thời tiết cực đoan xảy ra vào các tháng mùa hè,
gây ảnh hưởng nghiêm trọng đến sản xuất, sinh hoạt và sức khỏe người dân. Do địa hình trải
dài theo phương kinh tuyến, kết hợp với đồi núi chính vì vậy đối với khu vực Bắc Bộ – Bắc
Trung Bộ, nắng nóng thường do hiệu ứng Phơn (Foehn) với dịng gió từ áp thấp nóng phía
Tây (lục địa Ấn – Miến) [5 – 7]. Cùng với xu thế tăng lên của nhiệt độ, số ngày nắng nóng
cũng tăng lên ở hầu hết các trạm thuộc Bắc Bộ – Bắc Trung Bộ, đặc biệt là khu vực đồng
bằng Bắc Bộ [8]. Các kết quả dự tính theo các kịch bản biến đổi khí hậu cũng cho thấy, số
ngày nắng nóng có xu thế gia tăng trong tương lai [8]. Theo nghiên cứu gần đây của tác giả
Nguyễn Đăng Mậu và các cs [9] năm 2017, đã sử dụng số liệu tái phân tích (FNL) của Cục
Khí quyển và Đại dương Hoa Kỳ (NOAA) để phân tích cơ chế gây nắng nóng diện rộng từ
ngày 1/6 đến hết ngày 6/6/2017 ở Bắc Bộ, kết quả chỉ ra rằng đợt nắng nóng này được gây ra
bởi hiệu ứng địa hình với nhiều hình thế thời tiết từ quy mô vừa đến quy mô lớn: mực thấp
(850mb) tồn tại một áp thấp địa phương hình thành ở khu vực Bắc Bộ, tạo điều kiện cho gió
Tây từ Mi–an–ma mang khơng khí khơ nóng tới Việt Nam, đồng thời gặp địa hình cao gió
Tây này gây ra hiệu ứng Phơn, trên cao là sự hoạt động của áp cao cận nhiệt mực 500–200mb.
Để nắm bắt được xu thế gia tăng nhiệt độ trung bình, cũng như gia tăng số ngày nắng nóng,
nắng nóng gay gắt vào các tháng mùa hè trên lãnh thổ Việt Nam, nhóm tác giả sẽ tiến hành
thử nghiệm và ứng dụng dự báo số ngày nắng nóng, nắng nóng gay gắt tại Việt Nam trong
năm 2022 vào các tháng mùa hè từ tháng 3–9 bằng phương pháp tương quan Canon với các
nhân tố được lựa chọn bao gồm: nhiệt độ trung bình (T2m), nhiệt độ tối cao tháng (Tx) và áp
cao cận nhiệt mực 500 mb (H500), đây là những nhân tố chi phối đến nền nhiệt các tháng
mùa hè trên khu vực Việt Nam.
Trên cơ sở số liệu nhiệt độ trung bình hàng ngày quan trắc được của hơn 180 trạm khí
tượng cơ bản trên tồn quốc từ năm 1961 đến hiện tại, nhóm tác giả tính tốn giá trị nhiệt độ
trung bình năm của tất cả các trạm khí tượng nêu trên [10]. Theo đó, tại Việt Nam nhiệt độ
trung bình tồn quốc cũng được đánh giá là một trong những năm tương đối nóng với giá trị
là 24,60C, cao hơn TBNN là 0,70C (TBNN được tính từ năm 1991–2020 theo khuyến cáo của
WMO) và được xếp hạng là năm nóng thứ 5 trong chuỗi số liệu quan trắc được kể từ năm
1961 (Hình 1a).
Tạp chí Khí tượng Thủy văn 2022, 736, 64-78; doi:10.36335/VNJHM.2022(736).64-78
66
Trong năm 2021 số đợt nắng nóng (12 đợt) tương đương so với năm 2020, ít hơn so với
trung bình nhiều năm (TBNN). Thời điểm bắt đầu nắng nóng sớm hơn TBNN tại khu vực
Tây Nguyên – Nam Bộ, Trung Bộ, các khu vực cịn lại phù hợp quy luật khí hậu. Thời điểm
kết thúc nắng nóng hầu như đều muộn hơn TBNN, riêng khu vực Trung Bộ kết thúc sớm hơn
khoảng nửa tháng. Mùa nắng nóng năm 2021 được xem là khá nóng so với TBNN, với số
ngày nắng nóng trên 350C xuất hiện ở hầu hết các tỉnh thành trên cả nước, ngoại trừ khu vực
Nam Tây Nguyên và một số nơi ở Đơng Nam Bộ (hình 1b), tuy nhiên mức độ gay gắt cũng
như tổng số ngày nắng nóng trong năm 2021 thì khơng bằng năm 2020. Đợt nắng nóng kéo
dài nhất trong năm 2021 xảy ra ở khu vực Trung Trung Bộ trong 31 ngày liên tục (24/7–25/8)
[11].
Hình 1. (a) Chuẩn sai nhiệt độ trung bình tại Việt Nam thời kỳ 1961–2021; (b) Chuẩn sai số ngày
nắng nóng 2021 (thời kỳ cơ sở: 1991–2020) [12].
2. Phương pháp và số liệu
2.1. Phương pháp tương quan Canon
Phương pháp tương quan Canon (CCA) được sử dụng rộng rãi với nhiều bài tốn khí hậu
hạn ngắn nhằm mục đích chuyển thơng tin dự báo của mơ hình tồn cầu về những khu vực
quan tâm [13] (hay còn gọi là hạ quy mô thống kê). Theo Carlos và cs (2003) [14] sử dụng
phương pháp tương quan Canon để dự báo nhiệt độ trung bình vùng nhiệt đới Đại Tây
Dương, kết quả chỉ ra rằng các trường SST trên Thái Bình Dương xích đạo và Đại Tây
Dương nhiệt đới có thể là một yếu tố dự báo tiềm năng của chuẩn sai SST trên Đại Tây
Dương nhiệt đới trước 3–4 tháng. Hay theo nghiên cứu của Trung tâm NCEP [15] cũng sử
dụng phương pháp tương quan Canon để đưa ra dự báo trung bình trượt 3 tháng chuẩn sai
SST khu vực Nino3–4 đến hạn 1 năm. CCA là phương pháp kết hợp xây dựng phương trình
hồi quy nhằm làm tăng tính độc lập giữa các nhân tố dự báo. Ưu điểm của phương pháp: (1)
Làm tăng tính độc lập giữa các biến; (2) Giảm thiểu được khối lượng phép tính và đồng thời
giảm bớt được sai số tính tốn; (3) Giúp tìm ra được những tín hiệu quan trọng từ trường nền,
loại bỏ được những dao động không mong muốn.
Trong nghiên cứu này, nhóm tác giả sẽ quan tâm đến thành phần dự báo đầu tiên (Mode
1)– biểu diễn tương quan Canon giữa các trường nhân tố – dự báo, đồng thời dùng biểu đồ
đánh giá kỹ năng ROC (Receiver operating characteristic) [16] là một đồ thị được sử dụng
khá phổ biến trong đánh giá các mơ hình phân loại nhị phân. Trong khn khổ bài báo, nhóm
tác giả đưa ra tỷ lệ dự báo số ngày xuất hiện nắng nóng, nắng nóng gay gắt cao hơn/thấp hơn
trung bình dựa trên biểu đồ ROC tại một số tỉnh thành.
Tạp chí Khí tượng Thủy văn 2022, 736, 64-78; doi:10.36335/VNJHM.2022(736).64-78
67
2.2. Số liệu
2.2.1. Số liệu quan trắc
Nắng nóng khi nhiệt độ cao nhất trong ngày (ký hiệu là Tx) đạt mức 35 0C ≤ Tx < 370C,
được coi là có nắng nóng gay gắt khi 370C ≤ Tx <390C và với 400C ≤ Tx được coi là nắng
nóng đặt biệt gay gắt [17]. Dựa trên bộ số liệu quan trắc hàng ngày đã được kiểm định chất
lượng (Quality control), bằng chương trình fortran nhóm tác giả đã tính tốn được số liệu
đếm số ngày nắng nóng, số ngày nắng nóng gay gắt tại 186 trạm trên phạm vi cả nước trong
thời kỳ 1981–2020. Các bước kiểm tra chất lượng số liệu đầu vào như sau:
– Bước 1: Kiểm tra lỗi hệ thống bao gồm kiểm tra tọa độ (kinh độ, vĩ độ) của từng trạm;
– Bước 2: Kiểm tra tính nhất quán theo thời gian, khảo sát giá trị quan trắc một trạm nhất
định trong một tháng nhất định có khác biệt đáng kể so với chuỗi thời gian dài hay khơng:
Trong đó: Xi giá trị quan trắc nghi ngờ; Q50 trung vị; IQR khoảng tứ phân vị; f: là đại diện
cho giá trị ngoại lai (f > 3*IQR hoặc f < IQR).
– Bước 3: Kiểm tra tính nhất quán theo không gian, so sánh giá trị quan trắc được kiểm
tra với các quan trắc lân cận hoặc giá trị kỳ vọng tại trạm được ước tính [18 – 19];
– Bước 4: Kiểm tra tính phù hợp nhằm đảm bảo rằng nhiệt độ tối cao và tối thấp là nhất
quá. Các mối quan hệ bất khả thi về mặt vật lý, chẳng hạn như nhiệt độ tối thấpngày lớn hơn
nhiệt độ tối cao trong cùng ngày, được gắn cờ là nghi ngờ.
2.2.2. Số liệu mơ hình tồn cầu
Với yếu tố dự báo là số ngày nắng nóng và số ngày nắng nóng gay gắt tại Việt Nam trong
các tháng mùa hè từ tháng 3–9, nhóm tác giả lựa chọn các nhân tố tham gia dự báo sẽ bao
gồm các trường: nhiệt độ 2m, nhiệt độ cao nhất và độ cao địa thế vị mực 500mb mùa 3 tháng.
Được chiết suất từ các mơ hình khí hậu trên thế giới, với miền tính giới hạn từ 80 oE–140oW;
5oS–45oN, độ phân giải 1,0x1,0o kinh vĩ độ. Các nhân tố không đồng nhất giữa các mơ hình
dự báo do khơng có sẵn, chi tiết mô tả trong Bảng 1 dưới đây.
Bảng 1. Các nhân tố dự báo từ các mơ hình khí hậu thế giới.
Mơ hình
1. NASAGEO_SS2S
2. CCSM_4
3. CFS2
4. GFDL_SPEAR
5. EMCWF
Nhân tố dự báo
1. Nhiệt độ trung bình tháng
2. Nhiệt độ tối cao tháng
3. Áp cao cận nhiệt mực 500 mb
1. Nhiệt độ trung bình tháng
1. Nhiệt độ trung bình tháng
2. Nhiệt độ tối cao tháng
1. Nhiệt độ trung bình tháng
2. Nhiệt độ tối cao tháng
1.Áp cao cận nhiệt mực 500mb
Miêu tả
Tổ hợp đa mơ hình Bắc Mỹ độ phân giải
1,0×1,0 độ [20].
Mơ hình hệ thống khí hậu kết hợp độ phân
giải 1,0×1,0 độ [21].
Mơ hình dự báo khí hậu của NOAA–NCEP
độ phân giải 1,0×1,0 độ [22].
Mơ hình khí hậu kết hợp trên nền tảng của
mơ hình dự báo khí hậu–thập kỉ GFDL, với
các mơ phỏng theo phương ngang của khí
quyển. Độ phân giải 1,0×1,0 độ [23].
Mơ hình khí hậu của Trung tâm Dự báo hạn
vừa Châu Âu, độ phân giải 1,0×1,0 độ [24].
3. Kết quả thử nghiệm
Bằng cách ứng dụng tương quan Canon trên cơng cụ phân tích khí hậu – CPT (Climate
Prediction Tool) được phát triển bởi Viện nghiên cứu quốc tế khí hậu và xã hội (IRI) [25],
nhóm tác giả lựa chọn nhân tố dự báo thử nghiệm là nhiệt độ trung bình, nhiệt độ tối cao và áp
cao cận nhiệt trên mực 500 mb theo mùa 3 tháng được phát hành vào tháng 01/2022 để đánh
Tạp chí Khí tượng Thủy văn 2022, 736, 64-78; doi:10.36335/VNJHM.2022(736).64-78
68
giá số ngày nắng nóng, nắng nóng gay gắt theo mùa từ tháng 3–9 trên lãnh thổ Việt Nam thời
kỳ 1981–2021. Sau khi phân tích tương quan Canon được thực hiện, nhóm tác giả quan tâm
đến Mode 1 biểu diễn tương quan theo khơng gian và thời gian các hình thế, kết quả cho thấy
mối tương quan cao giữa các nhân tố dự báo và số ngày nắng nóng, nắng nóng gay gắt với hệ
số tương quan đều trên 0,80 trong cả 5 mùa dự báo; riêng mơ hình CCSM_4 khi sử dụng nhiệt
độ trung bình mùa 3 tháng có tương quan thấp hơn 0,60 vào các mùa 5–7 và 6–8. Mối quan hệ
chi tiết giữa các nhân tố với số ngày nắng nóng, nắng nóng gay gắt được biểu diễn trong Bảng
2–7 dưới đây.
Bảng 2. Tương quan CCA của nhiệt độ trung bình với số ngày nắng nóng theo mùa từ các mơ hình.
T2m
Mùa
NASAGEO_SS2S
CCSM_4
CFS2
GFDL_SPEAR
3–5
0,89
0,90
0,89
0,84
4–6
0,88
0,88
0,90
0,85
5–7
0,87
0,55
0,90
0,89
6–8
0,81
0,56
0,95
0,91
7–9
0,92
0,87
0,94
0,91
Bảng 3. Tương quan CCA của nhiệt độ tối cao với số ngày nắng nóng theo mùa từ các mơ hình
Tx
Mùa
NASAGEO_SS2S
CFS2
GFDL_SPEAR
3–5
4–6
5–7
6–8
7–9
0.93
0.88
0.84
0.88
0.88
0.86
0.85
0.96
0.89
0.81
0.94
0.91
0.92
0.91
0.89
Bảng 4. Tương quan CCA của áp cao cận nhiệt mực 500mb với số ngày nắng nóng theo mùa từ các
mơ hình.
H500
Mùa
NASAGEO_SS2S
EMCWF
3–5
4–6
5–7
6–8
7–9
0,95
0,96
0,94
0,94
0,84
0,86
0,71
0,88
0,74
0,70
Hình 2 dưới đây biểu diễn Mode 1 hình thế tương quan của nhiệt độ trung bình (T2m),
nhiệt độ tối cao (Tx) và áp cao cận nhiệt mực 500mb (H500) mùa 3 tháng với diễn biến của số
ngày nắng nóng trên khu vực Việt Nam từ các mơ hình trong các mùa khác nhau.
.
T2m-CFS
(a)
(b)
Qđ. Hồng Sa
.
(c) Mùa 6-8
Qđ. TrườngSa
.
T2x-CFS
(a)
(a)
(b)
(b)
Qđ. Hoàng Sa
.
Qđ. TrườngSa
(c) Mùa 5-7
(c)
Tạp chí Khí tượng Thủy văn 2022, 736, 64-78; doi:10.36335/VNJHM.2022(736).64-78
69
.
(a)
H500-ECMWF
Qđ. Hồng Sa
.
(b)
Qđ. TrườngSa
c) Mùa 3-5
Hình 2. Thành phần theo khơng gian (a), (c) và thời gian (b) của Mode 1 trong phân tích tương quan
Canon giữa nhiệt độ trung bình , nhiệt độ tối cao và áp cao cận nhiệt theo mùa 3 tháng với số ngày
nắng nóng theo mùa từ các mơ hình.
Bảng 5. Tương quan CCA của nhiệt độ trung bình mùa 3 tháng với số ngày nắng nóng gay gắt theo các mùa.
T2m
Mùa
NASAGEO_SS2S
CCSM_4
CFS2
GFDL_SPEAR
3–5
4–6
5–7
6–8
7–9
0,89
0,91
0,90
0,89
0,90
0,81
0,90
0,95
0,88
0,66
0,93
0,95
0,90
0,90
0,91
0,90
0,87
0,78
0,97
0,88
Bảng 6. Tương quan CCA của nhiệt độ tối cao mùa 3 thángvới số ngày nắng nóng gay gắt theo các mùa
Tx
Mùa
NASAGEO_SS2S
CFS2
GFDL_SPEAR
3–5
4–6
5–7
6–8
7–9
0,89
0,91
0,90
0,90
0,95
0,96
0,86
0,94
0,95
0,90
0,91
0,90
0,88
0,96
0,88
Bảng 7. Tương quan CCA của áp cao cận nhiệt mực 500mb mùa 3 tháng với số ngày nắng nóng gay
gắt theo các mùa.
H500
Mùa
3–5
4–6
5–7
6–8
7–9
NASAGEO_SS2S
EMCWF
0,65
0,92
0,67
0,89
0,88
0,90
0,70
0,84
0,63
0,83
3.1.Thử nghiệm dự báo với số ngày nắng nóng tại Việt Nam
3.1.1. Với nhân tố dự báo là nhiệt độ trung bình tháng
Mơ hình
3–5
4–6
5–7
6–8
7–9
NASAGEO_SS
2S
.
Qđ Hồng Sa
Qđ. Trường Sa
.
Qđ Hồng Sa
Qđ. Trường Sa
.
Qđ Hoàng Sa
Qđ. Trường Sa
.
Qđ Hoàng Sa
Qđ. Trường Sa
.
Qđ Hoàng Sa
Qđ. Trường Sa
CCSM_4
.
Qđ Hoàng Sa
Qđ. Trường Sa
.
Qđ Hoàng Sa
Qđ. Trường Sa
.
Qđ Hoàng Sa
Qđ. Trường Sa
.
Qđ Hoàng Sa
Qđ. Trường Sa
.
Qđ Hoàng Sa
Qđ. Trường Sa
Tạp chí Khí tượng Thủy văn 2022, 736, 64-78; doi:10.36335/VNJHM.2022(736).64-78
Mơ hình
3–5
4–6
5–7
70
6–8
7–9
CFS2
.
.
Qđ Hồng Sa
Qđ. Trường Sa
.
Qđ Hồng Sa
Qđ Hồng Sa
Qđ. Trường Sa
Qđ. Trường Sa
.
.
Qđ Hoàng Sa
Qđ Hoàng Sa
Qđ. Trường Sa
Qđ. Trường Sa
GFDL_SPEAR
.
.
.
Qđ Hoàng Sa
Qđ Hoàng Sa
Qđ. Trường Sa
Qđ. Trường Sa
.
.
Qđ Hoàng Sa
Qđ Hoàng Sa
Qđ. Trường Sa
Qđ Hoàng Sa
Qđ. Trường Sa
Qđ. Trường Sa
Hình 3. Dự báo số ngày nắng nóng theo mùa trên khu vực Việt Nam sử dụng nhiệt độ trung bình mùa
3 tháng, tại thời điểm dự báo 01/2022 từ các mơ hình khí hậu.
Trên hình 3, biểu diễn xác suất dự báo số ngày nắng nóng tại Việt Nam khi sử dụng nhân
tố dự báo là nhiệt độ trung bình mùa 3 tháng tại thời điểm dự báo 01/2022 từ 4 mơ hình khí
hậu: NASAGESO_SS2S, CCSM_4, CFS2 và GFDL_SPEAR. Kết quả chỉ ra hầu hết các mơ
hình tham gia dự báosố ngày nắng nóng trong các mùa 3–5, 4–6 trên phạm vi cả nước có xu
hướng thấp hơn so với trung bình nhiều năm (TBNN) cùng thời kỳ, với xác suất dự báo từ
60–75%, chỉ riêng khu vực Bắc Bộ có sự khác biệt giữa các mơ hình dự báo. Chẳng hạn như,
với mơ hình CCSM_4 và mơ hình GFDL_SPEAR dự báo phía Đơng Bắc Bộ số ngày nắng
nóng trong thời kỳ này sẽ cao hơn so với TBNN với xác suất dự báo từ 55–70%. Tuy nhiên từ
các mùa 5–7, 6–8, 7–9 các mơ hình đều đồng nhất dự báo số ngày nắng nóng sẽ có xu hướng
gia tăng và cao hơn so với TBNN cùng thời kỳ với xác suất dao động từ 65–75%, có nơi cao
hơn, chỉ riêng một số nơi ở khu vực Tây Nguyên số ngày nắng nóng có xu hướng thấp hơn
TBNN với xác suất xuất hiện là 60–75%. Bảng 8–10 dưới đây sẽ chỉ ra dự báo thử nghiệm số
ngày nắng nóng theo mùa tại 3 thành phố sử dụng nhân tố dự báo là nhiệt độ trung bình tháng
01/2022 từ mơ hình NASAGEO_SS2S.
Bảng 8. Dự báo số ngày nắng nóng theo các mùa tại Hà Nội sử dụng nhiệt độ trung bình mùa 3 tháng
từ mơ hình NASAGEO_SS2S (thời điểm dự báo từ tháng 01/2022).
Hà Nội
Xác suất
ROC(%)
Mùa
Dự
báo
TBNN
Cao hơn
Trung bình
Thấp hơn
Cao hơn
Thấp hơn
3–5
9
7
56
22
22
80
76
4–6
27
19
32
50
18
92
76
5–7
42
29
67
27
6
99
74
6–8
40
29
68
20
12
83
86
7–9
36
19
88
4
8
76
67
Bảng 9. Dự báo số ngày nắng nóng theo các mùa tại Đà Nẵng sử dụng nhiệt độ trung bình mùa 3
tháng từ mơ hình NASAGEO_SS2S (thời điểm dự báo từ tháng 01/2022).
Xác suất
ROC(%)
Đà Nẵng
Dự
Mùa
báo
TBNN
Cao hơn
Trung bình
Thấp hơn
Cao hơn
Thấp hơn
3–5
7
9
16
39
45
55
76
4–6
21
24
24
28
48
70
59
Tạp chí Khí tượng Thủy văn 2022, 736, 64-78; doi:10.36335/VNJHM.2022(736).64-78
71
5–7
39
35
50
24
26
75
71
6–8
42
38
59
20
21
67
61
7–9
33
24
68
18
14
78
56
Bảng 10. Dự báo số ngày nắng nóng theo các mùa tại Bình Phước sử dụng nhiệt độ trung bình mùa 3
tháng từ mơ hình NASAGEO_SS2S (thời điểm dự báo từ tháng 01/2022).
Xác suất
ROC(%)
Bình Phước
Dự
Mùa
báo
TBNN
Cao hơn
Trung bình
Thấp hơn
Cao hơn
Thấp hơn
3–5
10
27
7
42
51
83
80
4–6
5
17
7
47
46
85
68
5–7
8
6
55
29
16
74
72
6–8
1
0
77
1
22
0
0
7–9
0
0
82
1
17
0
0
3.1.2. Với nhân tố dự báo là nhiệt độ tối cao tháng
Mô hình
3–5
4–6
5–7
6–8
7–9
GFDL_SPEAR
.
Qđ Hồng Sa
Qđ. Trường Sa
.
Qđ Hồng Sa
Qđ. Trường Sa
.
Qđ Hồng Sa
Qđ. Trường Sa
.
Qđ Hoàng Sa
Qđ. Trường Sa
.
Qđ Hoàng Sa
Qđ. Trường Sa
CFS2
.
Qđ Hoàng Sa
Qđ. Trường Sa
.
Qđ Hoàng Sa
Qđ. Trường Sa
.
Qđ Hoàng Sa
Qđ. Trường Sa
.
Qđ Hoàng Sa
Qđ. Trường Sa
.
Qđ Hoàng Sa
Qđ. Trường Sa
NASAGEO_SS
2S
.
Qđ Hoàng Sa
Qđ. Trường Sa
.
Qđ Hoàng Sa
Qđ. Trường Sa
.
Qđ Hoàng Sa
Qđ. Trường Sa
.
Qđ Hoàng Sa
Qđ. Trường Sa
.
Qđ Hoàng Sa
Qđ. Trường Sa
Hình 4. Dự báo số ngày nắng nóng trên khu vực Việt Nam sử dụng nhiệt độ tối cao mùa 3 tháng, tại
thời điểm dự báo 01/2022 từ các mô hình khí hậu.
Khi sử dụng nhân tố dự báo là nhiệt độ tối cao trung bình mùa 3 tháng từ 3 mơ hình:
GFDL_SPEAR, CFS2, và NASAGEO_SS2S (hình 4) kết quả chỉ ra rằng, vào mùa 3–5 và
4–6 các mơ hình dự báo số ngày nắng nóng trên cả nước có xu hướng thấp hơn TBNN cùng
thời kỳ, riêng khu vực Đơng Bắc Bộ ở mơ hình GFDL_SPEAR và CFS2 số ngày nắng nóng
có khả năng cao hơn so với TBNN với xác suất là 60–75%. Từ các mùa 5–7, 6–8, và 7–9 cả
ba mơ hình trên đều mơ phỏng số ngày nắng nóng có xu hướng cao hơn so với TBNN cùng
thời kỳ trên phạm vi cả nước, với xác suất dao động từ 70–85%, trong đó khu vực phía Đông
Bắc Bộ và các tỉnh Trung Bộ xác suất xuất hiện cao hơn 85%. Tuy nhiên ở khu vực Tây
Nguyên và một số nơi ở Đông Nam Bộ số ngày nắng nóng thấp hơn so với TBNN cùng thời
Tạp chí Khí tượng Thủy văn 2022, 736, 64-78; doi:10.36335/VNJHM.2022(736).64-78
72
kỳ, với xác suất từ 60–75%. Bảng 11–13 dưới đây, sẽ biểu diễn chi tiết dự báo số ngày nắng
nóng trong các mùa khi sử dụng nhân tố là nhiệt độ tối cao mùa tại một số tỉnh thành.
Bảng 11. Dự báo số ngày nắng nóng theo mùa tại Hà Nội sử dụng nhiệt độ tối cao mùa 3 tháng từ mơ
hình NASAGEO_SS2S (thời điểm dự báo tháng 01/2022).
Hà Nội
Mùa
Dự báo
TBNN
Cao hơn
Xác suất
Trung bình
Thấp hơn
ROC (%)
Cao hơn Thấp hơn
3–5
9
7
57
21
22
83
80
4–6
21
19
29
54
17
93
78
5–7
40
29
60
31
9
93
74
6–8
40
29
70
19
11
87
86
7–9
37
19
93
3
4
76
71
Bảng 12. Dự báo số ngày nắng nóng theo mùa tại Đà Nẵng sử dụng nhiệt độ tối cao mùa 3 thángtừ
mơ hình NASAGEO_SS2S (thời điểm dự báo tháng 01/2022).
Đà Nẵng
Mùa
Xác suất
Dự báo
ROC (%)
TBNN
Cao hơn
Trung bình
Thấp hơn
Cao hơn
Thấp hơn
3–5
7
9
17
39
44
54
75
4–6
20
24
19
27
54
67
61
5–7
38
35
47
23
30
69
68
6–8
43
38
60
20
20
71
61
7–9
34
24
73
17
10
70
54
Bảng 13. Dự báo số ngày nắng nóng theo mùa tại Bình Phước sử dụng nhiệt độ tối cao mùa 3 tháng
từ mơ hình NASAGEO_SS2S (thời điểm dự báo tháng 01/2022).
Bình Phước
Xác suất
ROC (%)
Mùa
Dự báo
TBNN
Cao hơn
Trung bình
Thấp hơn
Cao hơn
Thấp hơn
3–5
12
27
8
43
49
84
82
4–6
7
17
8
50
42
84
67
5–7
8
6
54
29
27
74
69
6–8
1
0
78
1
21
0
0
7–9
0
0
87
1
12
0
0
3.1.3. Với nhân tố dự báo là áp cao cận nhiệt mực 500mb
Mơ hình
3–5
4–6
5–7
6–8
7–9
NASAGEO_SS
2S
.
Qđ Hồng Sa
Qđ. Trường Sa
.
Qđ Hoàng Sa
Qđ. Trường Sa
.
Qđ Hoàng Sa
Qđ. Trường Sa
.
Qđ Hoàng Sa
.
Qđ Hoàng Sa
Qđ. Trường Sa
Qđ. Trường Sa
.
.
ECMWF
.
Qđ Hoàng Sa
Qđ. Trường Sa
.
Qđ Hoàng Sa
Qđ. Trường Sa
.
Qđ Hoàng Sa
Qđ. Trường Sa
Qđ Hồng Sa
Qđ. Trường Sa
Qđ Hồng Sa
Qđ. Trường Sa
Hình 5. Dự báo số ngày nắng nóng theo mùa trên khu vực Việt Nam sử dụng áp cao cận nhiệt từ các
mô hình khí hậu.
Khi sử dụng nhân tố dự báo là áp cao cận nhiệt mực 500 mb theo mùa với thời điểm dự
báo là tháng 01/2022 có sự tham gia của hai mơ hình dự báo: NASAGEO_SS2S và ECMWF
Tạp chí Khí tượng Thủy văn 2022, 736, 64-78; doi:10.36335/VNJHM.2022(736).64-78
73
(hình 5), kết quả cho thấy có sự khác biệt giữa hai mơ hình trong các tháng đầu mùa hè. Cụ
thể, mơ hình NASAGEO_SS2S mơ phỏng số ngày nắng nóng trong mùa 3–5, 4–6 và 5–7
xuất hiện ở mức thấp hơn cho tới xấp xỉ TBNN; riêng ven biển Đông Bắc Bộ số ngày nắng
nóng trong thời kỳ này có xu hướng cao hơn với xác suất xuất hiện trên 65%. Trong khi đó
mơ hình ECMWF chỉ mơ phỏng số ngày nắng nóng thấp hơn TBNN xảy ra vào các mùa 3–5,
từ các mùa tiếp theo số ngày nắng nóng đều có xu hướng cao hơn so với TBNN, với xác suất
xuất hiện từ 60–75%. Tuy nhiên đối với khu vực Nam Tây Ngun, cả hai mơ hình có sự
tương đồng nhau với số ngày nắng nóng xuất hiện thấp hơn TBNN với xác suất dự báo dao
động từ 60–75%. Bảng 14–16 dưới đây, biểu diễn dự báo chi tiết tại một số tỉnh thành khi sử
dụng nhân tố dự báo là áp cao cận nhiệt mực 500 mb tháng 01/2022.
Bảng 14. Dự báo số ngày nắng nóng tại Hà Nội sử dụng áp cao cận nhiệt mực 500mb mùa 3 tháng từ
mơ hình NASAGEO_SS2S (thời điểm dự báo tháng 01/2022).
Hà Nội
Xác suất
ROC (%)
Mùa
Dự
báo
TBNN
Cao hơn
Trung bình
Thấp hơn
Cao hơn
Thấp hơn
3–5
9
7
55
19
26
71
68
4–6
24
19
43
43
14
75
83
5–7
31
29
32
48
20
87
78
6–8
34
29
52
31
17
84
84
7–9
24
19
66
9
25
78
74
Bảng 15. Dự báo số ngày nắng nóng theo mùa tại Đà Nẵng từ mơ hình ECMWF sử dụng áp cao cận
nhiệt mực 500mb mùa 3 tháng từ mơ hình NASAGEO_SS2S (thời điểm dự báo tháng 01/2022).
Đà Nẵng
Dự
Mùa
báo
TBNN
Xác suất
3–5
7
9
14
45
41
60
79
4–6
25
24
36
35
29
77
77
5–7
38
35
45
29
26
85
73
6–8
45
38
64
17
19
64
57
7–9
29
24
56
24
20
55
38
Cao hơn
Trung bình
ROC(%)
Thấp hơn
Cao hơn
Thấp hơn
Bảng 16. Dự báo số ngày nắng nóng theo mùa tại Bình Phước sử dụng áp cao cận nhiệt mực 500mb
mùa 3 tháng từ mơ hình NASAGEO_SS2S (thời điểm dự báo tháng 01/2022).
Bình Phước
Dự
Mùa
báo
TBNN
Cao hơn
Xác suất
3–5
18
27
12
54
34
88
7
4–6
14
17
14
69
17
91
84
5–7
6
6
44
40
16
81
76
6–8
1
0
72
1
27
0
0
7–9
0
0
60
1
39
0
0
Trung bình
ROC (%)
Thấp hơn
Cao hơn
Thấp hơn
3.2.Thử nghiệm dự báo số ngày nắng nóng gay gắt tại Việt Nam
3.2.1. Với nhân tố dự báo là nhiệt độ trung bình tháng
Mơ hình
3–5
4–6
5–7
6–8
7–9
Tạp chí Khí tượng Thủy văn 2022, 736, 64-78; doi:10.36335/VNJHM.2022(736).64-78
74
NASAGEO_SS
2S
.
.
Qđ Hoàng Sa
.
Qđ Hoàng Sa
Qđ. Trường Sa
Qđ. Trường Sa
.
.
Qđ. Trường Sa
Qđ. Trường Sa
.
.
Qđ Hoàng Sa
Qđ Hoàng Sa
Qđ. Trường Sa
Qđ Hoàng Sa
CCSM_4
.
.
Qđ Hoàng Sa
Qđ. Trường Sa
.
Qđ Hoàng Sa
Qđ Hoàng Sa
Qđ Hoàng Sa
Qđ. Trường Sa
Qđ. Trường Sa
Qđ. Trường Sa
Qđ Hoàng Sa
Qđ. Trường Sa
CFS2
.
.
Qđ Hoàng Sa
.
Qđ Hoàng Sa
Qđ. Trường Sa
Qđ. Trường Sa
.
.
Qđ Hoàng Sa
Qđ Hoàng Sa
Qđ. Trường Sa
Qđ. Trường Sa
Qđ Hoàng Sa
Qđ. Trường Sa
GFDL_SPEAR
.
.
Qđ Hoàng Sa
Qđ Hoàng Sa
Qđ. Trường Sa
Qđ. Trường Sa
.
.
Qđ Hoàng Sa
.
Qđ Hồng Sa
Qđ. Trường Sa
Qđ. Trường Sa
Qđ Hồng Sa
Qđ. Trường Sa
Hình 6. Dự báo số ngày nắng nóng gay gắt theo mùa tại Việt Nam 2022 sử dụng nhiệt độ trung bình
từ các mơ hình khí hậu.
Với nhân tố dự báo là nhiệt độ trung bình mùa 3 tháng tại thời điểm dự báo là tháng
01/2022, kết quả mô phỏng rằng trong mùa 3–5, cả 4 mơ hình đều dự báo số ngày nắng nóng
gay gắt tại Trung Bộ, Tây Nguyên và Nam Bộ sẽ có xu hướng thấp hơn TBNN cùng thời kỳ,
với xác suất xuất hiện dao động từ 55–70%; chỉ riêng khu vực Bắc Bộ có sự mơ phỏng khác
biệt giữa các mơ hình. Chẳng hạn như, hai mơ hình CCSM_4 và CFS2 mơ phỏng phía Đơng
Bắc Bộ và các tỉnh ven biển có số ngày nắng nóng gay gắt cao hơn so với TBNN, với xác suất
xuất hiện từ 55–70%, trong khi phần phía Tây Bắc Bộ ở cả 4 mơ hình đều mơ phỏng số ngày
nắng nóng gay gắt ở mức xấp xỉ cho đến thấp hơn TBNN. Sang mùa 4–6 chỉ có mơ hình
GFDL_SPEAR dự báo số ngày nắng nóng gay gắt cao hơn TBNN với xác suất từ 60–75%.
Từ các mùa tiếp theo: mùa 5–7, 6–8 và 7–9 các mơ hình đều mơ phỏng số ngày nắng nóng
gay gắt có xu hướng gia tăng và cao hơn TBNN ở khu vực Bắc Bộ và Trung Bộ, với xác suất
xuất hiện trên 70%, trong khi ở phía Nam: các tỉnh thuộc Tây Nguyên – Nam Bộ số ngày
nắng nóng gay gắt có xu hướng giảm và thấp hơn so với TBNN cùng thời kỳ (hình 6).
3.2.2. Với nhân tố dự báo là nhiệt độ tối cao tháng
Mơ hình
3–5
4–6
5–7
6–8
7–9
GFDL_SPEA
R
.
Qđ Hồng Sa
Qđ. Trường Sa
.
Qđ Hồng Sa
Qđ. Trường Sa
.
Qđ Hoàng Sa
Qđ. Trường Sa
.
Qđ Hoàng Sa
Qđ. Trường Sa
.
Qđ Hoàng Sa
Qđ. Trường Sa
Tạp chí Khí tượng Thủy văn 2022, 736, 64-78; doi:10.36335/VNJHM.2022(736).64-78
75
CFS2
.
Qđ Hoàng Sa
.
.
Qđ Hoàng Sa
Qđ. Trường Sa
Qđ. Trường Sa
.
.
.
Qđ Hoàng Sa
Qđ. Trường Sa
.
Qđ Hoàng Sa
Qđ Hoàng Sa
Qđ. Trường Sa
Qđ. Trường Sa
.
.
NASAGEO_S
S2S
Qđ Hoàng Sa
Qđ. Trường Sa
.
Qđ Hoàng Sa
Qđ. Trường Sa
Qđ Hoàng Sa
Qđ. Trường Sa
Qđ Hồng Sa
Qđ Hồng Sa
Qđ. Trường Sa
Qđ. Trường Sa
Hình 7. Dự báo số ngày nắng nóng gay gắt theo mùa tại Việt Nam 2022 sử dụng nhiệt độ tối cao từ
các mơ hình khí hậu.
Với nhân tố dự báo là nhiệt độ tối cao, các mơ hình đều cho rằng số ngày nắng nóng gay
gắt có xu hướng gia tăng và cao hơn TBNN trong các mùa từ tháng 3–9 ở khu vực Bắc Bộ và
Trung Bộ với xác suất xuất hiện trên 70%, riêng một số mơ hình mơ phỏng số ngày nắng
nóng gay gắt có xu hướng giảm và thấp hơn so với TBNN: mơ hình GFDL_SPEAR dự báo số
ngày nắng nóng gay gắt trong mùa 3–5 ở Bắc Bộ – Bắc Trung Bộ có xu hướng giảm và thấp
hơn so TBNN, với xác suất dự báo là 50–60%. Ở phía Nam, một số tỉnh thuộc khu vực Tây
Ngun và Đơng Nam Bộ số ngày nắng nóng gay gắt có xu hướng thấp hơn trong các mùa
5–7, 6–8 và 7–9 với xác suất xuất hiện ở hầu hết các mơ hình 60–70% (hình 7).
3.2.3. Với nhân tố dự báo là áp cao cận nhiệt
Mơ hình
3–5
4–6
5–7
6–8
7–9
NASAGEO_SS
2S
.
Qđ Hồng Sa
Qđ. Trường Sa
.
Qđ Hoàng Sa
Qđ. Trường Sa
.
Qđ Hoàng Sa
Qđ. Trường Sa
.
Qđ Hoàng Sa
Qđ. Trường Sa
.
Qđ Hoàng Sa
Qđ. Trường Sa
ECMWF
.
Qđ Hoàng Sa
Qđ. Trường Sa
.
Qđ Hoàng Sa
Qđ. Trường Sa
.
Qđ Hoàng Sa
Qđ. Trường Sa
.
Qđ Hồng Sa
Qđ. Trường Sa
.
Qđ Hồng Sa
Qđ. Trường Sa
Hình 8. Dự báo số ngày nắng nóng gay gắt theo mùa tại Việt Nam 2022 sử dụng áp cao cận nhiệt
mực 500 mb từ các mơ hình khí hậu.
Khi sử dụng nhân tố là áp cao cận nhiệt để dự báo số ngày nắng nóng gay gắt tại Việt
Nam với hai mơ hình NASAGEO_SS2S và ECMWF (hình 8), kết quả cho thấy có sự khác
biệt giữa hai mơ hình trong dự báo số ngày nắng nóng gay gắt ở các tỉnh phía Bắc. Trong các
mùa 3–5, 4–6, 5–7 ở mơ hình NASAGEO_SS2S dự báo số ngày nắng nóng gay gắt ở mức
xấp xỉ tại các tỉnh thuộc Bắc Bộ và Bắc Trung Bộ, các khu vực cịn lại số ngày nắng nóng gay
gắt có xu hướng cao hơn so với TBNN cùng thời, với xác suất dao động từ 55–70%. Cịn mơ
hình ECMWF dự báo số ngày nắng nóng gay gắt xấp xỉ so với TBNN chỉ xuất hiện vào mùa
3–5 ở các tỉnh thuộc Bắc Bộ, Bắc – Trung Trung Bộ, các mùa cịn lại số ngày nắng nóng gay
gắt đều có xu hướng xuất hiện nhiều hơn so với TBNN. Riêng một số nơi ở khu vực Nam Tây
Tạp chí Khí tượng Thủy văn 2022, 736, 64-78; doi:10.36335/VNJHM.2022(736).64-78
76
Nguyên thì cả hai mơ hình đều đồng nhất dự báo số ngày nắng nóng gay gắt có xu hướng thấp
hơn với xác suất dự báo trên 60%.
4. Kết luận
Sau khi thử nghiệm dự báo số ngày nắng nóng, nắng nóng gay gắt theo mùa tại Việt Nam
năm 2022, bằng phương pháp tương quan Canon với 3 nhân tố dự báo: nhiệt độ trung bình,
nhiệt độ tối cao và áp cao cận nhiệt mực 500 mb mùa 3 tháng với thời điểm dự báo là tháng
01/2022, được chiết suất từ các mơ hình khí hậu tồn cầu: NASAGEO_SS2S, CCSM_4,
CFS2, GFDL_SPEAR. Nhóm tác giả quan tâm tới thành phần đầu tiên dự báo (Mode 1), kết
quả từ các mơ hình chỉ ra mối tương quan cao giữa các nhân tố được lựa chọn với số ngày
nắng nóng và nắng nóng gay gắt trong các mùa, cụ thể như:
Với nhân tố dự báo là nhiệt độ trung bình mùa 3 tháng từ 4 mơ hình: NASAGEO_SS2S,
CCSM_4, CFS2, GFDL_SPEAR có hệ số tương quan cao với số ngày nắng nóng, phổ biến
dao động từ 0,80–0,94 trong các mùa khảo sát từ tháng 3–9. Riêng với mơ hình CCSM_4
tương quan với số ngày nắng nóng các mùa 5–7 và mùa 6–8 chỉ đạt 0,55–0,56. Đối với số
ngày nắng nóng gay gắt, tương quan đều dao động trên 0,80; chỉ riêng mùa 5–7 nhiệt độ trung
bình tương quan với số ngày nắng nóng gay gắt đạt 0,66.
Với nhân tố dự báo là nhiệt độ tối cao mùa 3 tháng trong 3 mơ hình NASAGEO_SS2S,
CFS2 và GFDL_SPEAR đều có hệ số tương quan cao với số ngày nắng nóng, và dao động từ
0,81–0,96 vào các mùa từ tháng 3–9. Tương tự như vậy, tương quan giữa nhiệt độ tối cao với
số ngày nắng nóng gay gắt là cao trên 0,86 ở hầu hết các mùa.
Với nhân tố dự báo là áp cao cận nhiệt mực 500 mb mùa 3 tháng từ 2 mơ hình:
NASAGEO_SS2S và ECMWF cho thấy hệ số tương quan cao với số ngày nắng nóng trên
khu vực Việt Nam, với hệ số là 0,84–0,96 cho ba mùa 3–5, 4–6, 5–7; riêng các mùa 6–8 và
7–9 có hệ số tương quan thấp hơn, chỉ dao động 0,70–0,74. Khi khảo sát tương quan giữa áp
cao cận nhiệt mực 500 mb với số ngày nắng nóng gay gắt, kết quả cho thấy tương quan cao
khi sử dụng mơ hình ECMWF, với hệ số dao động 0,83–0,92. Trong khi sử dụng nhân tố dự
báo từ mơ hình NASAGEO_SS2S hệ số tương quan dao động mạnh, từ 0,63–0,88, trong đó
hệ số tương quan thấp nhất là vào mùa 7–9 (hệ số tương quan 0,63), cao nhất là mùa 5–7 (hệ
số tương quan là 0,88).
Do có tương quan cao giữa các nhân tố được lựa chọn, nhóm tác giả tiếp tục thử nghiệm
dự báo số ngày nắng nóng và nắng nóng gay gắt trong các mùa từ tháng 3–9/2022, kết quả thu
được như sau:
Khi sử dụng 3 nhân tố: nhiệt độ trung bình, nhiệt độ tối cao, và áp cao cận nhiệt mực 500
mb theo mùa 3 tháng đứng tại thời điểm dự báo là tháng 01/2022, các mơ hình khí hậu tồn
cầu dự báo số ngày nắng nóng trong các mùa 3–5, và mùa 4–6 ở trên phạm vi tồn quốc có xu
hướng thấp hơn so với TBNN cùng thời kỳ với xác suất xảy ra từ 60–75%, chỉ riêng ở khu
vực Đơng Bắc Bộ số ngày nắng nóng dự báo cao hơn so với TBNN, xác suất từ 55–70%. Từ
các mùa 5–7, 6–8 và 7–9 hầu hết các mơ hình đều đồng nhất mơ phỏng số ngày nắng nóng có
xu hướng cao hơn so với TBNN, với xác suất trên 70%; riêng ở khu vực Nam Tây Nguyên và
miền Đơng Nam Bộ số ngày nắng nóng thời kỳ này có xu hướng thấp hơn so với TBNN với
xác suất từ 60–75%, có nơi cao hơn (GFDL_SPEAR, CFS2, và NASA–GEOSS2S khi sử
dụng nhân tố dự báo là nhiệt độ tối cao tháng 01/2022).
Đối với việc dự báo số ngày nắng nóng gay gắt khi sử dụng 3 nhân tố ở trên, kết quả dự
báo tương đồng giữa các mô hình khí hậu trong mùa 3–5, rằng số ngày nắng nóng gay gắt có
xu hướng thấp hơn so với TBNN, riêng khu vực Đơng Bắc Bộ số ngày nắng nóng gay gắt có
xu hướng cao hơn so với TBNN. Các mùa tiếp theo số ngày nắng nóng gay gắt đều có xu
hướng gia tăng và cao hơn so với TBNN với xác suất từ 60–75%; chỉ riêng một số nơi ở Nam
Tây Nguyên số ngày nắng nóng gay gắt thấp hơn so với TBNN.
Tạp chí Khí tượng Thủy văn 2022, 736, 64-78; doi:10.36335/VNJHM.2022(736).64-78
77
Đóng góp của tác giả: Xây dựng ý tưởng nghiên cứu: M.V.K., H.P.L., N.V.H., H.T.M.
T.N.V.; Lựa chọn phương pháp nghiên cứu: M.V.K., H.P.L., N.V.H.; Xử lý số liệu: H.T.M.,
N.T.H., T.T.N., T.Q.Đ.; Phân tích mẫu: H.T.M., T.Q.Đ.; Lấy mẫu: H.T.M., T.N.V., N.T.H.,
T.T.N., T.Q.Đ.; Viết bản thảo bài báo: H.T.M., T.N.V., N.T.H., T.T.N., T.Q.Đ.; Chỉnh sửa
bài báo: H.T.M., T.N.V., N.T.H., T.T.N.,T.Q.Đ.
Lời cảm ơn: Tập thể tác giả trân trọng cảm ơn Lãnh đạo Trung tâm dự báo khí tượng thủy
văn quốc gia đã chỉ đạo và hỗ trợ nhóm tác giả hồn thiện bài báo này.
Lời cam đoan: Tập thể tác giả cam đoan bài báo này là cơng trình nghiên cứu của tập thể tác
giả, chưa được công bố ở đâu, không được sao chép từ những nghiên cứu trước đây; không có
sự tranh chấp lợi ích trong nhóm tác giả.
Tài liệu tham khảo
1. Prodhomme, C.; Materia, S.; Ardilouze, C.; White, R.H.; Batté, L.; Guemas, V.;
Fragkoulidis, G.; García–Serrano, J. Seasonal prediction of European summer
heatwaves.
Clim.
Dyn.
2021,
01–18.
/>2. Zhang, W.; Gao, J. et al. Probabilistic Forecast of the Extended Range Heatwave
Over
Eastern
China.
Front.
Earth
Sci.
2022,
2022.01.05.
3. Batté, L.; Ardilouze, C.; Dé qué, M. Forecasting West African heat waves at
sub–seasonal and seasonal time scales. CNRM UMR 3589 (Météo–France/CNRS),
Toulouse, France.
4. Katsafados, P. Anastasios Papadopoulos, George Varlas, E. Papadopoulou. Seasonal
predictability of the 2010 Russian heat wave. Nat. Hazards Earth Syst. Sci. 2014, 14,
1531–1542. doi:10.5194/nhess–14–1531–2014.
5. Ngữ, N.Đ.; Hiệu, N.T. Khí hậu và tài nguyên khí hậu Việt Nam, NXB Nơng nghiệp,
Hà Nội, 2004.
6. Thắng, N.V. Giáo trình vật lý khí quyển, NXB Tài ngun Môi trường và Bản đồ
Việt Nam, Hà nội, 2015.
7. Đức, T.Q.; Phương, T.L. Sự biến đổi phơn và nắng nóng ở Hà Tĩnh – Miền Trung,
Tạp chí Khoa học ĐHQGHN, Khoa học Tự nhiên và Công nghệ 2013, 29(2s), 32–99.
8. Thắng, N.V. và cs. Chương 3: Những thay đổi của cực đoan khí hậu và tác động đến
mơi trường vật lý tự nhiên, thuộc Báo cáo đặc biệt của Việt Nam về quản lý rủi ro
thiên tai và các hiện tượng cực đoan nhằm thúc đẩy thích ứng với biến đổi khí hậu,
NXB Tài ngun Mơi trường và Bản đồ Việt Nam, Hà Nội, 2013.
9. Mậu, N.Đ. và cs. Đánh giá nguyên nhân gây ra đợt nắng nóng từ ngày 1/6–6/6/2017
ở Bắc Bộ. Tạp chí Khoa học và Biến đổi khí hậu 2017, 2, 1–7.
10. Trung tâm Dự báo Khí tượng thuỷ văn, Tổng Cục Khí tượng thuỷ văn.
11. Đặc điểm Khí tượng thuỷ văn, 2021.
12. Nguồn Trung tâm Dự báo Khí tượng thủy văn – NCHMF.
13. Khiêm, M.V.; Chỉnh, T.H.; Hương, N.T.D. Thử nghiệm dự báo hạn hán tại Việt Nam
bằng sản phẩm dự báo của một số mô hình tồn cầu. Tạp chí Khí tượng Thủy văn
2014, 639, 21–25.
14. Repelli, C.A.; Nobre, P. CCA and statistical prediction Statistical prediction of
sea–serface temperature over the tropical Atlantic. Int. J. Climatol. 2003, 24, 45–55.
15. />16. Zou, K.H.; O’Malley, J.; Mauri, L. Receiver–Operating Characteristic Analysis for
Evaluating Diagnostic Tests and Predictive Models. Circulation 2007, 115,
654–657. />17. Thông tư quy định kỹ thuật quy trình dự báo khí tượng thủy văn nguy hiểm, 2016.
Tạp chí Khí tượng Thủy văn 2022, 736, 64-78; doi:10.36335/VNJHM.2022(736).64-78
78
18. Hubbard, K.G.; You, J. Sensitivity Analysis of Quality Assurance Using the Spatial
Regression Approach—A Case Study of the Maximum/Minimum Air Temperature.
J. Atmos. Oceanic Technol. 2005, 22, 1520–1530.
19. You, J.; Hubbard, K.G.; Goddard, S. Comparison of methods for spatially
estimating station temperatures in a quality control system. Int. J. Climatol. 2008,
8(6), 777–787.
20. Kirtman, Ben P.; Dughong, M.; Infanti, J.M.; Kinter, J.L.; Paolino, D.A.; Zhang, Q.;
van den Dool, H.; Saha, S.; Mendez, M.P.; Becker, E.; Peng, P.; Tripp, P.; Huang, J.;
DeWitt, D.G.; Tippett, M.K.; Barnston, A.G.; Li, S.; Rosati, A.; Schubert, S.D.;
Rienecker, M.; Suarez, M.; Li, Z.E.; Marshak, J.; Lim, Young-Kwon; Tribbia, J.;
Pegion, K.; Merryfield, W.J.; Denis, B.; Wood, E.F. The North American
Multimodel Ensemble: Phase–1 seasonal–to–interannual prediction; Phase–2 toward
developing intraseasonal prediction. Bull. Amer. Meteor. Soc. 2014, 95, 585–601.
/>21. />orial_june08.html
An application in seasonal forecasting of the number of extreme
and hot days in Vietnam 2022 using Canonical correlation
analysis
Mai Van Khiem1*, Hoang Phuc Lam1, Nguyen Van Huong1, Hoang Thi Mai1, Tran
Ngoc Van1, Nguyen Thanh Hoa1, Trinh Thuy Nguyen1, Tran Quang Diep1
1
Nation Centre Hydro–Meteorological Forecasting, Viet Nam Meteorological and
Hydrological Administration; ; ;
; ;
; ; ;
Abstract: The article presents some experimental results in seasonal forecasting of the
number of extreme and hot days in Vietnam using the Canon correlation analysis method
(CCA), in order to transform forecast information of global climate models for the regional.
Using 3 predictors including the 3–month average temperature, maximum temperature and
500 mb subtropical high–pressure data from models NMME: NASAGEO_SS2S, CCSM_4,
CFS2, GFDL_SPEAR, and ECMWF in domain: 80oE–140oW; 5oS–45oN, resolution
1,0x1,0o. The high correlation betweens the predictors – the number of extreme and hot days
on nearly 200 stations spread across Vietnam, then the authors performed a forecasting
experiment. The obtained results show that in the transitional season MAM, most models
forecast the number of extreme and hot days that tend to appear less than the normal with
the probabilistic from 60–75%. In AMJ, MJJ, JJA and JAS, the number of extreme and hot
days tends to be above normal, only in some areas in the south of Central Highlands and
Southeast tends to be less than normal. The forecast is applied experimentally in a number
of cities: Hanoi, Da Nang and Binh Phuoc, the results show detail in Part 3 of the article.
Keywords: Forecast; The number of extreme and hot days; CCA; CPT.